人工智能系列二十五：真假序列识别再探，市场弱有效性检验与择时战场选择

谨请参阅尾页重要声明及华泰证券股票和行业评级标准 1 证券研究报告 金工研究/深度研究 2019年11月17日 林晓明 执业证书编号：S0570516010001 研究员 0755-82080134 linxiaoming@htsc.com 陈烨 执业证书编号：S0570518080004 研究员 010-56793942 chenye@htsc.com 李子钰 0755-23987436 联系人 liziyu@htsc.com 何康 021-28972039 联系人 hekang@htsc.com 1《金工: 风险预算模型如何度量风险更有效》2019.11 2《金工: 不同协方差估计方法对比分析》2019.11 3《金工: 国之利器，锋芒初现》2019.10 市场弱有效性检验与择时战场选择 华泰人工智能系列二十五——真假序列识别再探 尝试构建以真假序列识别为起点基于量价的主动投资研究框架 真假序列识别是检验市场有效性的有力工具。主动投资的核心是市场能否预测，如果市场无法预测，满足有效市场理论，主动投资就没有存在的价值。随机序列满足有效市场理论，无法预测。暂且抛开宏观、财务等数据，仅就交易数据看，如果人工智能算法无法识别真实量价序列和随机序列，那么弱有效市场假说可能成立；如果人工智能可以识别真假，那么可以进一步采用网络可视化技术挖掘模式，或采用遗传规划等算法来暴力挖掘特征。随后通过检验有效模式/特征、过拟合检验、风险控制等步骤，控制整体风险，实现完整的以真假序列识别为起点基于量价的主动投资研究流程。 模拟实验表明卷积神经网络能够识别收益率模式 模拟实验表明，卷积神经网络能够识别收益率模式，神经网络可视化技术能够辅助挖掘模式。在白噪音中插入模式片段，模拟有模式的收益率序列，视作“真实”收益率序列，将其打乱得到“虚假”收益率序列，随后采用卷积神经网络进行真假识别。结果显示样本信噪比越高，识别表现越好。采用中间层激活可视化和类激活热力图两种方法解释卷积神经网络，发现激活函数值较高或热力图热度较高的区域对应模式区域。神经网络可视化有助于定位模式所在位置，从而进一步挖掘规律。 不同时间频率的股指收益率识别表现对比 对比不同时间频率股指收益率识别表现。卷积神经网络无法识别股指日频真假序列，股指 60 个交易日的日频收益率可能不存在显著模式，市场相对接近弱有效，短线择时难度较大。卷积神经网络能够识别日内分钟频真假序列，股指在分钟线可能存在显著模式，市场可能不满足弱有效，日内 T+0策略有一定机会。随着频率从 1 分钟降低到 5 分钟，识别效果下降，市场逐渐接近弱有效。Grad-CAM 结果表明日内模式更可能出现在开盘后 30分钟和收盘前 1 小时。投资者的交易习惯可能是影响不同时间频率市场有效性的因素之一。 不同资产收益率识别表现对比 对比不同资产收益率的识别表现。个股日频收益率几乎无法识别，日频级别相对接近弱有效，个股短线择时难度较大。因子日频收益率几乎无法识别，短期因子择时难度较大。股指期货分钟频收益率识别表现一般，弱于股指本身，相比股指更接近弱有效，但日内 T+0 策略仍有机会。商品期货分钟频收益率识别表现好，日内商品 CTA 策略有机会。股指、股指期货、商品期货识别表现的差异能够和自相关系数检验、随机游程检验等统计检验结果互相佐证。市场交易制度可能是造成股指和股指期货有效性差异的因素之一。 风险提示：真假价量序列识别研究是对市场规律的探索，不构成任何投资建议。基于股指和商品期货 1 分钟频收益率序列的卷积神经网络模型能够有效识别真假序列，不代表收益率等价格相关指标能够直接应用于中高频投资。机器学习模型是对历史规律的总结，如果市场规律发生变化，模型存在失效的可能。 相关研究 23359311/43348/20191118 15:40 金工研究/深度研究 | 2019 年 11 月 17 日 谨请参阅尾页重要声明及华泰证券股票和行业评级标准 2 正文目录 以真假序列识别为起点的主动投资研究框架 ..................................................................... 5 有效市场理论与随机游走 .......................................................................................... 5 收益率序列模式和真假序列识别的关系 ..................................................................... 6 收益率序列模式和市场择时的关系 ............................................................................ 7 本文研究导读 ............................................................................................................ 8 模拟实验表明卷积神经网络能够识别收益率模式 .............................................................. 9 模拟模式 1：简单模式 ............................................................................................... 9 模拟模式 2：复杂模式 ............................................................................................. 10 方法 ......................................................................................................................... 12 结果 ......................................................................................................................... 12 神经网络可视化技术挖掘模式 ................................................................................. 13 中间层激活的可视化 ........................................................................................ 13 类激活热力图的可视化 ....................................................